Ricardo Amper, CEO e Fundador da Incode – Série de Entrevistas

Ricardo Amper, CEO e Fundador da Incode, é um empreendedor em série e executivo de tecnologia com mais de duas décadas de experiência construindo e escalando empresas nos setores de tecnologia, produtos de consumo e indústria. Ele fundou a Incode em 2015 com a visão de transformar a forma como as pessoas verificam e autenticam suas identidades no mundo digital. Anteriormente, Amper atuou como CEO do Grupo Amco, principal empresa de aromas químicos e óleos essenciais da América Latina, onde desenvolveu o OneView, uma plataforma preditiva baseada em aprendizado de máquina, antes de a empresa ser adquirida pelo Brenntag Group. Ele também cofundou e liderou a Amco Foods, que foi adquirida pelo Grupo Bimbo, e anteriormente fundou a La Burbuja Networks. Sua carreira combina empreendedorismo, inteligência artificial, sistemas orientados por dados e experiência bem‑sucedida na construção de empresas por meio de aquisições.

Incode é uma plataforma de identidade impulsionada por IA projetada para ajudar organizações a estabelecer confiança em interações com pessoas, empresas e, cada vez mais, agentes de IA. Sua tecnologia combina verificação de documentos, autenticação biométrica, reconhecimento facial, detecção de vivacidade, detecção de deepfakes e verificações diretas contra sistemas governamentais de registro, apoiando áreas como Conheça Seu Cliente (KYC), conformidade com Anti‑Lavagem de Dinheiro (AML), Conheça Seu Negócio (KYB), garantia de idade, verificação da força de trabalho e prevenção de tomada de conta de contas. A Incode desenvolve sua tecnologia de IA internamente e expandiu sua plataforma para enfrentar ameaças emergentes, como identidades sintéticas e fraudes habilitadas por IA generativa, bem como ferramentas de Identidade Autônoma para verificar os proprietários de agentes de IA e rastrear suas ações.

Você fundou a Incode em 2015 depois de construir empresas em setores muito diferentes, e tem argumentado que abordar problemas com uma mentalidade fresca, de primeiros princípios, pode ser mais valioso do que confiar em suposições herdadas da indústria. O que você viu na verificação de identidade que os provedores estabelecidos estavam perdendo, e como essa percepção original moldou o desenvolvimento da Incode?

Antes de 2015, a indústria tratava a identidade como um problema de conformidade e um pensamento secundário: escaneie um documento, alguém no back office o revisa, marque a caixa. Eu entrei sem essa inferência e vi um problema de IA na abordagem da indústria à identidade.

Então tomei três decisões no primeiro dia que ninguém mais estava tomando:

IA faz a verificação em vez de humanos analisarem seus dados, desenvolvemos cada camada da tecnologia internamente em vez de montar partes de outras pessoas, e a privacidade é arquitetura, não política. Dez anos depois, a IA generativa fez dessas as únicas decisões que se sustentam.

Essa escolha moldou a empresa que nos tornamos.

1. Somos construtores primeiro: ainda hoje, uma parcela maior de nossa equipe trabalha em engenharia e produto do que em uma empresa típica de software B2B, e isso é o que nos mantém ágeis o suficiente para nos adaptar tão rapidamente quanto a ameaça evolui.
2. Também começamos deliberadamente em um dos ambientes de fraude mais difíceis do mundo, a América Latina, e resolvemos em grande parte o problema para alguns dos maiores bancos e empresas da região. Quando sua tecnologia sobrevive lá, mercados onde a fraude é real, mas menos implacável, tornam‑se um teste muito mais fácil.

Nunca nos interessamos em corrigir problemas ou tornar as empresas apenas conformes para o presente. Gostamos da versão mais difícil desse problema: verificar uma pessoa real com o menor atrito possível e a privacidade mais forte possível, e fazer isso para um futuro que está mudando.

A Incode foi nomeada líder no Gartner® Magic Quadrant™ para Verificação de Identidade por três anos consecutivos. O que você acredita que essa consistência diz sobre como a empresa evoluiu, e quais capacidades foram mais importantes para manter essa posição à medida que o panorama de ameaças mudou?

Qualquer um pode ter um bom ano. Três anos consecutivos refletem consistência, e consistência é o que as empresas compram. Esses três anos abrangem toda a onda de fraude de IA generativa, e o que nos ajudou a manter nosso status de líder da indústria durante esse período foi o fato de possuirmos toda a pilha tecnológica. Quando surge uma nova classe ou vetor de ataque, re‑treinamos nossos próprios modelos em dias, em vez de esperar o roadmap ou as atualizações de produto de outra empresa. Os outros constantes são nossas conexões diretas com fontes de identidade autoritativas e a disciplina de tratar a conversão tão seriamente quanto a fraude, porque as empresas precisam de ambas.

A Incode descreve uma nova geração de ataques de fraude autônomos nos quais agentes de IA podem gerar documentos sintéticos, produzir deepfakes direcionados, testá‑los contra sistemas de verificação e adaptar‑se após cada rejeição. Quão próximo estamos de ver esses fluxos de ataque totalmente automatizados operando em escala?

A fraude em escala sempre exigiu pessoas em escala. O gargalo era humano, e a IA acabou de removê‑lo. Procuramos evidências e publicamos o que encontramos: incidentes de fraude habilitados por IA, relatados publicamente e obtidos de fontes independentes nos Estados Unidos, grande parte confirmada em processos judiciais ou ações regulatórias. Quando avaliamos quanto de cada esquema um agente autônomo poderia executar por conta própria, quase todos poderiam ser realizados de ponta a ponta, e nenhum foi imune. O modelo antigo era limitado pelo número de profissionais qualificados que você podia recrutar. O novo modelo é limitado apenas pelo poder de computação.

A Incode afirma que executa continuamente um atacante agente contra suas próprias defesas. Como funciona esse processo de teste adversarial e o que um atacante de IA pode descobrir que testes de penetração convencionais ou benchmarks estáticos de fraude podem não detectar? 

A ideia é simples: a única maneira de construir defesas contra esses ataques é primeiro executar os ataques contra nós mesmos. Portanto, operamos um atacante que funciona exatamente como os criminosos. Ele gera deepfakes, documentos sintéticos e tentativas de injeção, submete‑os às nossas próprias defesas em tempo real, aprende com cada rejeição e volta com uma variante melhor. Um teste de penetração convencional verifica uma lista conhecida de ataques uma única vez e termina. Um atacante adaptativo nunca deixa de inventar novos ataques, de modo que ele encontra o ponto fraco e o ataque que ainda não existe antes que um criminoso o faça.

À medida que os modelos generativos tornam documentos sintéticos e mídias biométricas cada vez mais convincentes, quais sinais permanecem os mais difíceis de serem falsificados de forma confiável pelos atacantes?

Os pixels são um jogo perdido se isso for tudo que você observar, porque os modelos generativos melhoram a cada mês. O que os atacantes ainda não conseguem falsificar de forma confiável é tudo que está fora da imagem: a integridade do dispositivo e do caminho de captura que a mídia percorreu, o comportamento que permanece consistente entre sessões e o registro mantido pela fonte que emitiu a identidade. Esse é o princípio por trás do Deepsight, nossa tecnologia de detecção de deepfake. Ela nunca julga apenas a imagem: analisa a mídia, o hardware, o caminho de software e o comportamento do usuário em uma única decisão em tempo real, e pode identificar qual modelo generativo produziu a falsificação. A Purdue University testou independentemente a solução contra 24 outros sistemas governamentais, acadêmicos e comerciais e a validou como a mais precisa.

A Incode enfatiza a verificação de identidades contra registros governamentais autoritativos, em vez de confiar apenas no documento apresentado pelo usuário. Como isso altera a precisão da verificação de identidade e quais desafios técnicos ou regulatórios surgem ao implantar essa abordagem em diferentes países?

Um documento informa o que foi apresentado. O registro autoritativo informa o que é verdadeiro. Cada verificação que julga se um artefato parece autêntico perde terreno à medida que a IA generativa avança, mas um registro governamental não perde, pois representa a verdade de base que o fraudador não pode controlar. Os desafios são reais: cada país possui fontes autoritativas diferentes, regras de acesso distintas e legislações de privacidade variadas, de modo que construímos conexões diretas mercado a mercado e processamos tudo sob o princípio de privacidade por design.

Os sistemas de verificação de identidade precisam impedir fraudes sofisticadas sem criar atrito desnecessário para usuários legítimos. Como você avalia o trade‑off entre segurança, rejeições falsas, velocidade de onboarding e taxa de conversão?

Todo provedor de identidade puxa alavancas entre esses quatro aspectos. A questão real é quais alavancas você controla. Grande parte da indústria implementa tecnologia licenciada de terceiros, de modo que, quando a fraude aumenta, não podem inspecionar o modelo nem re‑treiná‑lo, e a única alavanca restante é o atrito: mais etapas, mais revisões manuais, mais usuários bons rejeitados. Optamos pelo caminho oposto e desenvolvemos todos os nossos modelos de IA internamente – liveness, detecção de deepfake, verificação de documentos – assim nossa alavanca é a precisão. Re‑treinamos em dias, empurramos a fraude para dentro do modelo e deixamos a experiência do usuário intacta. Por isso, deixar passar todo usuário legítimo e bloquear todo ataque é uma única missão para nós, não um trade‑off.

A rede de confiança da Incode foi projetada para identificar fraudes recorrentes e reconhecer históricos confiáveis entre organizações sem agregar dados pessoais brutos. Quais tecnologias tornam esse tipo de compartilhamento de inteligência preservadora de privacidade possível?

A criptografia é o habilitador, mas o conceito é o ponto central: colaboração sem exposição. As organizações na rede podem saber se um sinal de identidade foi associado a fraude em outro lugar sem que nenhuma parte veja os dados da outra, de modo que não há banco de dados agregado, nada a ser violado e nenhuma corretagem de dados. Por isso adquirimos a Identiq, cuja equipe passou anos construindo exatamente essa tecnologia criptográfica que aprimora a privacidade, e por isso estamos comprometendo mais de 100 milhões de dólares este ano em infraestrutura de identidade preservadora de privacidade. A rede se torna mais inteligente a cada verificação, enquanto os dados de cada indivíduo permanecem selados, em escala de mais de 7 bilhões de checagens de confiança e 400 milhões de perfis. Sempre acreditamos que privacidade e prevenção de fraude não são um trade‑off. Elas são o mesmo problema, resolvido em conjunto ou não resolvido.

À medida que agentes de IA começam a fazer compras, acessar contas, assinar acordos e se comunicar em nome de pessoas, como as organizações devem verificar não apenas o próprio agente, mas também seu proprietário, permissões e autoridade para executar uma ação específica?

Comece pelo proprietário, porque a autoridade de um agente não vale nada se não estiver vinculada a um ser humano verificado. Foi exatamente para isso que criamos a Identidade Agente: verificamos o proprietário com comprovação de identidade de alta confiança e vivacidade resistente a deepfakes, emitimos ao agente um token seguro que vincula cada ação à pessoa responsável, e verificamos seu escopo de permissões para que um agente autorizado para uma tarefa não possa silenciosamente se desviar para outras. Em seguida, monitoramos continuamente, porque os agentes mudam de comportamento mais rápido que qualquer revisão de acesso trimestral. É a mesma biometria, a mesma inteligência contra fraudes, a mesma rede que usamos para humanos, estendida aos sistemas que agem em seu nome.

Olhar para o futuro, a verificação de identidade permanecerá um ponto de verificação distinto durante a integração, ou se tornará uma camada de confiança contínua operando ao longo de cada interação digital entre pessoas, empresas e agentes autônomos de IA?

Ambos por um tempo, e depois o contínuo vence. A integração permanece como a âncora onde a identidade é estabelecida com a mais alta garantia, mas a confiança não pode permanecer um momento isolado quando os ataques se adaptam entre sessões e os agentes transacionam 24 horas por dia. O destino é uma camada de confiança persistente: re‑verificação nos momentos de risco real, sinais comportamentais e de rede correlacionados continuamente, e a mesma responsabilidade estendida aos agentes de IA que atuam em nome das pessoas. A identidade deixa de ser um ponto de verificação e se torna infraestrutura, e estamos construindo para esse mundo.

Obrigado pela ótima entrevista, leitores que desejam saber mais devem visitar Incode.